管理统计学 统计量与抽样分布d.pptxVIP

;你不必吃完整头牛，才知道它的肉是咬不动的。 ——Samel Johson;第 6 章 统计量及其抽样分布;学习目标;抽样分布中的基本概念;一、总体和样本;二、样本容量与样本个数;三、抽样方法;2. 不重复抽样： （1）每次抽取不重复，相当于同时抽取n个单位样本； （2）每次抽取都是不独立的； （3）每个单位在每次抽取中中选机会相等，但是在不同次抽取中中选机会是不均等的。 ★在样本容量相同情况下，重复抽样的样本个数多于不重复抽样的样本个数，而不重复抽样的样本代表性高于重复抽样;四、总体参数和样本统计量;样本统计量的问题;6.1 统计量;统计量(statistic);常用统计量 p157;次序统计量;6.2 关于分布的几个概念;抽样分布的概念：由样本统计量的全部可能取值和与之相应的概率（频率）组成的分配数列。 例如：对总体均值进行推断，从N个单位中随机抽取n个单位组成样本，计算样本均值，假定全 部可能的样本有k个，就有k个样本均值 ，则 的概率分布就称为样本平均数的抽样分布。;样本统计量的概率分布，是一种理论分布 在重复选取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布 结果来自容量相同的所有可能样本 提供了样本统计量长远而稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据 ;4. 因为样本是随机抽取的，则样本统计量是随机变量。 在开始的例子中，当我们再重新选取200人的样本进行统计后，得到的上网时间的平均数就不一定还等于8.58小时，可能6小时，也可能只有4小时。 既然每次抽取的样本之间的统计量都不一致，是否还能用来估计总体的参数？ 既然样本统计量是个随机变量，不妨先来看一下它概率分布如何?;6.3 由正态分布导出的几个重要分布 ;?2 分布;由阿贝(Abbe) 于1863年首先给出，后来由海尔墨特(Hermert)和卡·皮尔逊(K·Pearson) 分别于1875年和1900年推导出来 设 ，则 令 ，则 Y 服从自由度为1的?2分布，即 当总体 ，从中抽取容量为n的样本，则 ;分布的变量值始终为正 分布的形状取决??其自由度n的大小，通常为不对称的正偏分布，但随着自由度的增大逐渐趋于对称 期望为：E(?2)=n，方差为：D(?2)=2n(n为自由度) 可加性：若U和V为两个独立的?2分布随机变量，U~?2(n1)，V~?2(n2),则U+V这一随机变量服从自由度为n1+n2的?2分布 ;c2分布(图示);t 分布;t 分布;t 分布图示;F 分布;由统计学家费希尔(R.A.Fisher) 提出的，以其姓氏的第一个字母来命名 设若U为服从自由度为n1的?2分布，即U~?2(n1)，V为服从自由度为n2的?2分布，即V~?2(n2),且U和V相互独立，则称F为服从自由度n1和n2的F分布，记为;F分布(图示);6.4 样本均值的分布与中心极限定理 ;在重复选取容量为n的样本时，由样本均值的所有可能取值形成的相对频数分布 一种理论概率分布 推断总体均值?的理论基础 ;重复抽样分布--样本平均数的分布;;样本均值;该题中抽样方法改为不重复抽样，共有12个样本，抽样分布如下： 计算得样本平均值的均值和样本方差分别为 ;我们得到的假定;重复抽样下，样本均值 的概率分布条形图如下;样本均值的抽样分布与中心极限定理;中心极限定理(central limit theorem);中心极限定理(central limit theorem);如果样本平均数是服从均值为 、方差为σ2的非正态分布中抽取的n个单位的平均数，则随着n的增加样本平均数 抽样分布逐渐逼近正态分布，即： 在重复抽样下， 不重复抽样下， 大样本的平均数基本上服从正态分布。;小样本分布定理;6.5 样本比例的抽样分布 ;总体(或样本)中具有某种属性的单位与全部单位总数之比 不同性别的人与全部人数之比 合格品(或不合格品) 与全部产品总数之比 总体比例可表示为 样本比例可表示为 ;在重复选取容量为n的样本时，由样本比例的所有可能取值形成的相对频数分布 一种理论概率分布 当样本容量很大时，样本比例的抽样分布可用正态分布近似 推断总体比例?的理论基础 ;样本比例的数学期望 样本比例的方差 重复抽样 不重复抽样;6.6 两个样本均值之差的抽样分布 ;两个总体都为正态分布，即 ，